人形机器人的硬推销：为制造业时代构建专用机器人

当人形机器人宣传热度超越现实时，为何专用机器更值得重视，以及西方如何将自动化真正落地至工厂车间。

随着人形机器人走出实验室、进入真实场景部署，一些专家警示称，外界对其能力的兴奋情绪可能已超越现实。

英国机器人公司Q5D首席执行官斯蒂芬·本宁顿（Stephen Bennington）表示，在工业实际部署中，制造商不应理所当然地认为模仿人类工人是实现某项任务自动化的最佳方式。他的建议是：应从工艺流程出发，而非从机器人出发——当某项任务并不依赖于人类建造的环境时，专用机器可实现更快的速度、更高的精度以及显著更低的成本。

在本次问答中，本宁顿探讨了 人形机器人 当前的发展现状、人工智能如何改变工业自动化，以及西方制造商可从中国学到什么。

目前，人们对人形机器人抱有极大热情。该技术的真实发展水平究竟如何？宣传热度又在哪些方面超前于现实？

斯蒂芬·本宁顿：进展令人振奋。人形机器人正变得越来越强大，我们开始看到其在工业环境中开展试验，而不仅限于令人印象深刻的演示。但就许多应用场景而言，我确实认为当前炒作仍超前于现实。

当然，这种关注背后存在合乎逻辑的原因：我们的工厂、仓库及工具均围绕人类设计。因此，若能制造出可在这些环境中移动并操作相同设备的机器人，则有望避免为适配机器而重新设计工作场所。

然而，我略持谨慎态度的一点在于：假定模仿人类操作员始终是实现某项任务自动化的最佳方式。

以洗碗这一日常任务为例。你可以制造一台极为复杂的人形机器人，使其站在水槽边，精确复制人类的每一个动作；或者，你也可以制造一台不受人类形态限制的洗碗机，从而专注于以尽可能高效、对家庭干扰最小的方式完成任务。

这一原理 同样适用于制造业。若需人形机器人在为人类建造的环境中使用现有工具进行移动，则采用人形结构确有其合理性。但若从零开始设计制造流程，或不受此类限制约束，则解决方案可以是一台专用机器——它速度更快、精度更高且成本显著更低。

制造商不应以机器人为起点，而应以工艺流程为起点——深入审视拟自动化的任务本身，以及实现该任务最有效的方式。

将这些机器部署至真实应用场景的主要瓶颈是什么？

本宁顿：实际上，某些看似普通的人类操作任务，恰恰是最难自动化的。

布线即为一个典型例子。人类操作员可拿起一根柔性导线，对其进行操控，将其沿复杂路径布设，并几乎凭直觉完成连接。而对机器人而言，柔性材料难以处理，因为每次抓取时其运动状态与行为均不相同。

与其单纯尝试提升机器人模仿人类动作的能力，不如重新思考整个工艺流程本身：能否将其分解为不同阶段？能否针对各阶段分别设计，使其契合机器真正擅长的领域？我认为，工业机器人领域一些真正有趣的突破正源于此。

另一大主要瓶颈在于编程。你可能拥有一台能力极强的机器人，但仍需有人告诉它具体执行什么任务。人工智能正通过加速传统编程方式来改变这一现状，但你仍需首先拥有训练数据，以完成机器的初始训练。

是否存在特定方法可应对这些挑战？

本宁顿：解决该问题实际上有两种途径。其一是提升机器人的适应性。这正是我们在人形机器人领域所观察到的趋势，其中 人工智能与海量训练数据 正助力机器人理解其所处环境并学习不同任务。

另一种途径则是重新设计任务本身，使其更易于自动化。这正是Q5D所采取的方法：我们围绕机器擅长的领域重新设计工艺流程，从而大幅减少每次设计变更后需人工反复教导机器的需求。

我认为，这指向机器人领域一项更广泛的机遇：灵活性未必完全源自机器人自身。你亦可通过将专用机械设备与软件相结合，构建一套高度灵活的制造系统，从而大幅简化在不同产品间切换的过程。

人工智能如何改变了工业机器人的能力？

本宁顿：人工智能将使工业机器人更具能力与适应性，其影响远不止于人形机器人。人工智能的进步可改善从检测到 预测性维护等各个环节。

对人形机器人而言，人工智能尤为重要，因其需应对的情境种类极其繁多。若希望机器人执行大量不同任务，它就必须解读所见内容、理解周围环境，并推断出如何响应。这需要大量智能与海量训练数据。

但同样的进步亦可提升专用机器的能力。若制造系统已具备明确的数字信息，说明需生产何种产品及如何生产，则人工智能可应用于定义更为清晰的问题。

赋予机器人更高自主性亦带来若干挑战， 尤其是安全性方面。在工业环境中，你必须确信机器人不仅在正常运行期间行为可预测，而且在发生意外状况时亦能保持可预测性。当机器人与人类协同作业时，这一点尤为重要。

因此，人工智能将使通用型机器人更加多才多艺，同时也将提升专用自动化设备的能力。二者将并行发展，而具体选择取决于任务需求。在某些情境下，多功能性最为关键；而在其他情境下，制造商则会优先考虑速度、精度、安全性与成本。

中国已成为工业机器人领域的重要力量。驱动这一现象的因素是什么？西方制造商应从中汲取哪些经验？

本宁顿：中国尤为突出地展示了机器人技术与制造规模之间的关系。

中国拥有庞大的工业基础，既催生了对自动化的巨大需求，也为机器人公司提供了部署、测试及改进其技术的场所。这形成了强大的反馈循环：更多制造业活动催生更大的机器人市场，而机器人技术更广泛的应用则进一步提升了制造业的生产效率。

对于西方经济体而言，我认为存在一种倾向，即聚焦于谁拥有最尖端的机器人或最惊艳的演示。而更重要的问题是：新技术究竟如何切实有效地落地至工厂车间。

归根结底，这是一个生产力问题，且随着人口老龄化加剧及可用劳动力缩减，这一问题将变得日益重要。如果西方经济体希望将更多制造业迁回本土、强化供应链，同时在相对高工资国家保持竞争力，我们就必须大幅提升自动化部署能力。

这意味着需超越技术本身进行思考。制造商需要投资的信心与资金，但该技术本身也必须提供足够清晰的商业回报，方能证明改变既定生产流程的合理性。

展望未来，随着用户需求与技术进步，您预计机器人行业将如何演变？

本宁顿（Bennington）：我推测，未来的发展格局将远比当前围绕人形机器人（humanoids）所引发的热潮所暗示的更为多元。我们很可能会看到多种类型的机器人并行发展，各自适配不同的制造难题及不断演进的用户需求。

其中最重大的变革之一或将体现在工业自动化 工业自动化 的灵活性上。

传统自动化在大批量重复生产同一产品时表现卓越，但历史上，当面临大量产品变型、较短生产周期或产品持续更新换代等情况时，其应用则往往难以证明合理性。这要求采用一种不同的自动化方法——机器需能快速适应，而非仅为某项特定任务而专门设计。

在未来十年内，我认为业界讨论的重点将逐渐从机器人外观转向制造系统实际所能交付的能力。更优的软件、人工智能（AI），以及数字设计与物理机器之间更紧密的联系，将使自动化在产品及用户需求变化时更易于调整。

编辑注：本次访谈已为提升清晰度与简洁性而编辑。